社科网首页|论坛|人文社区|客户端|官方微博|报刊投稿|邮箱 中国社会科学网

您现在的位置:今日语言学 → 学术资讯 → 学术动态 → 学术交流

【学术报告】端木三:双语平行语料的采集、处理和研究用途

作者:科研处  来源:今日语言学  时间:2017-12-06

  题    目:双语平行语料的采集、处理和研究用途

  主讲人:端木三教授(University of Michigan 美国密西根大学语言学系)

  时    间:12月7日(周四)下午14 : 00

  地    点:建国门内大街5号中国社会科学院科研大楼6层语言所大会议室

  摘要: 

  濒危语言的语保工作,要求我们采集大量的语音数据,并寻找能够迅速处理这些数据的新方法。Abney & Bird (2010; 2011)、Bird (2010) 提出了一个构思框架。这个框架的核心是采集双语平行语料,然后将其转换为双语平行文本,最后通过洛塞特(Rosetta Stone)方法,根据已知语的文本破解未知语的文本。 

  以上构思尚未得到实际验证。比如,洛塞特方法依赖的是“文字+文字”的平行文本,而从未知语录音得到文本的只是实际发音音标(窄式音标)。所以,处理“文字+窄式音标”这样的平行文本,比处理“文字+文字”的平行文本,显然要困难得多。

  我们用 The Buckeye Corpus (美式英语,40小时 40位发言人的自然话语,有窄式转写标注),将汉语假想为已知语,将英语假想为未知语,获得汉语文字+英语窄式音标的平行文本,来进行尝试,以探讨技术难点及解决方法。同时,我们也讨论这种语料的研究价值,比如用于外语教学,以及对音系规则的研究。

  参考文献: 

  Abney, Steven, and Steven Bird. 2010. The Human Language Project: Building a universal corpus of the World’s languages.  88-97, Uppsala, Sweden. Proceedings of the 48th Annual Meeting of the Association for Computational Linguistics, 88-97, Uppsala, Sweden.

  Abney, Steven, and Steven Bird. 2011. Towards a data model for the Universal Corpus. Proceedings of the 4th Workshop on Building and Using Comparable Corpora, 120-127, Portland, USA. 

  Bird, Steven. 2010. A scalable method for preserving oral literature from small languages. In Proceedings of the 12th International Conference on Asia-Pacific Digital Libraries, pages 5–14.

友情链接

COPYRIGHT © 2017

中国社会科学院语言研究所版权所有

京ICP备17005063号-1

邮编:100732

地址:北京市东城区建国门内大街5号

电话:010-85195379

Mail:lingcass@yeah.net